正则表达式学习二

一、字符转义

若是想查找元字符自己的话，好比查找.,或者*，就出现了问题，由于它们会被解释成别的意思。这时就得使用\来取消这些字符的特殊意义。

所以，应该使用\.和\*。固然，要查找\自己，也得用\\。

 

二、重复

经常使用的限定符

代码/语法	说明
*	重复零次或更屡次
+	重复一次或更屡次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更屡次
{n,m}	重复n到m次

 

三、字符类

要想查找数字，字母或数字，空白是很简单的，由于已经有了对应这些字符集合的元字符，可是若是想匹配没有预约义元字符的字符集合(好比元音字母a,e,i,o,u),应该怎么办？

很简单，只须要在方括号里列出它们就好了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。

也能够轻松地指定一个字符范围，像[0-9]表明的含意与\d就是彻底一致的：一位数字；同理[a-z0-9A-Z_]也彻底等同于\w（若是只考虑英文的话）。

 

四、分支条件

分枝条件指的是有几种规则，若是知足其中任意一种规则都应该当成匹配，具体方法是用|把不一样的规则分隔开。

使用分枝条件时，要注意各个条件的顺序。匹配分枝条件时，将会从左到右地测试每一个条件，若是知足了某个分枝的话，就不会去再管其它的条件了。

0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。

 

 

五、分组

若是想要重复多个字符又该怎么办？能够用小括号来指定子表达式(也叫作分组)，而后你就能够指定这个子表达式的重复次数了，你也能够对子表达式进行其它一些操做。

(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个总体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。

 

六、反义
有时须要查找不属于某个能简单定义的字符类的字符。好比想查找除了数字之外，其它任意字符都行的状况，这时须要用到反义

经常使用的反义代码

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x之外的任意字符
[^aeiou]	匹配除了aeiou这几个字母之外的任意字符

 

七、后向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)能够在表达式或其它程序中做进一步的处理。默认状况下，每一个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1表明分组1匹配的文本。

• 分组0对应整个正则表达式
• 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－所以全部命名组的组号都大于未命名的组号
• 你可使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权

 经常使用分组语法

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也能够写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

八、零宽断言

查找在某些内容(但并不包括这些内容)以前或以后的东西，也就是说像\b,^,$那样用于指定一个位置，这个位置应该知足必定的条件(即断言)，所以被称为零宽断言。最好仍是拿例子来讲明吧：

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。好比\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing之外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。好比(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re之外的部分)，例如在查找reading a book时，它匹配ading。

断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。

 

九、负向零宽断言
\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的单词。可是若是多作测试，就会发现，若是q出如今单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是由于[^u]总要匹配一个字符，因此若是q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(多是空格，或者是句号或其它的什么)，后面的\w*\b将会匹配下一个单词，因而\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题，由于它只匹配一个位置，并不消费任何字符。如今，咱们能够这样来解决这个问题：\b\w*q(?!u)\w*\b。

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，并且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

同理，能够用(?<!exp),零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

 

十、注释：

小括号的另外一种用途是经过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的全部文本都将被当成注释忽略掉。

 

十一、贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，一般的行为是（在使整个表达式能获得匹配的前提下）匹配尽量多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。若是用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，更须要懒惰匹配，也就是匹配尽量少的字符。前面给出的限定符均可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，可是在能使整个匹配成功的前提下使用最少的重复。如今看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。若是把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

懒惰限定符

代码/语法	说明
*?	重复任意次，但尽量少重复
+?	重复1次或更屡次，但尽量少重复
??	重复0次或1次，但尽量少重复
{n,m}?	重复n到m次，但尽量少重复
{n,}?	重复n次以上，但尽量少重复